Medical Systems Biology

You are here:  Digital health > DIFUTURE

DIFUTURE

 

Die Universitätsmedizin Ulm ist im Rahmen des DIFUTURE-Konsortiums an der Medizininformatik-Initiative (MII) des Bundesministeriums für Bildung und Forschung (BMBF) beteiligt.

DIFUTURE-Partner:

  • Konsortialleitung: Technische Universität München (TUM)/ Klinikum rechts der Isar (MRI)
  • Ludwig-Maximilians-Universität München (LMU)/ Klinikum der Universität München (KUM)
  • Eberhard-Karls-Universität Tübingen (EKUT)/ Universitätsklinikum Tübingen (UKT)
  • Universität Ulm (UU) / Universitätsklinikum Ulm (UKU)
  • Universität Augsburg (UA)/ Universitätsklinikum Augsburg
  • Universitätsklinikum Regensburg (UKR)
  • Universität des Saarlandes (UdS) / Universitätsklinikum des Saarlandes (UKS)

In den Konsortien werden gemeinsam die Voraussetzungen geschaffen, dass Forschung und Patientenversorgung ihre Daten untereinander standortübergreifend austauschen können. Sie haben die Aufgabe, sogenannte Datenintegrationszentren (DIZ) an den Universitätskliniken und Partnereinrichtungen aufzubauen. Hier werden die technischen und organisatorischen Voraussetzungen für einen standortübergreifenden Datenaustausch zwischen Krankenversorgung und medizinischer Forschung geschaffen.

DIFUTURE entwickelte ebenfalls IT-Lösungen für erste Anwendungen der Medizininformatik in sogenannten Use Cases. An folgenden Use Cases beteiligt sich der Standort Ulm:

  • Multiple Sklerose (MS)
  • Parkinson Disease (PD)
  • Krebserkranungen
  • Schlaganfall
  • Herz-Kreislauf-Erkrankungen
Use Case Multiple Sklerose:
Ziel der Studie ist es, durch ein Zusammenführen dieser klinischen Routinedaten ein aussagekräftiges Vorhersageinstrument für Patientinnen und Patienten mit früher MS zu etablieren. Die zukünftige Zuhilfenahme dieses Instruments zur Prognosestellung des mittel- und langfristen Krankheitsverlaufs soll dazu beitragen, direkt zu Beginn der Erkrankung die für die Patientin oder den Patienten bestmögliche Therapieentscheidung zu treffen.
 
Die Datenerhebung erfolgt mittels standardisierte und strukturierter Untersuchungsverfahren, deren Ergebnisse direkt klinischen Analysen zur Verfügung gestellt werden. Die Untersuchungen und Probeentnahmen finden im Rahmen der für die MS-Versorgung ohnehin notwendigen Vorstellungstermine statt. In diesem Rahmen werden klinische und apparative Daten erhoben. Diese umfassen Informationen über den Erkrankungsverlauf, neurologische Standarduntersuchungen und Stest, Fragebögen, standardisierte MRTs und Bioproben.
 
Video zu MS - Patientendaten nutzen, Therapien optimieren 

Job Openings

Wissenschaftlicher Mitarbeiter (m/w/d) 

 

Latest News

 

  1. Our paper "Prediction of resistance to bevacizumab plus FOLFOX in metastatic colorectal cancer-Results of the prospective multicenter PERMAD trial" has been published in PLoS One.

     

  2. "Introducing a machine learning algorithm for delirium prediction—the Supporting SURgery with GEriatric Co-Management and AI project (SURGE-Ahead)has been published in Age and Ageing.

Our paper "Segmentation-based cardiomegaly detection based on semi-supervised estimation of cardiothoracic ratio" has been published in Scientific Reports.

 

"Prospective study validating a multidimensional treatment decision score predicting the 24-month outcome in untreated patients with clinically isolated syndrome and early relapsing–remitting multiple sclerosis, the ProVal-MS study" has been published in Neurological Research and Practice.

 

Our paper "GatekeepR: an R shiny application for the identification of nodes with high dynamic impact in boolean networks" has been published online first in Bioinformatics.

 

Our paper "The Necessity of Interoperability to Uncover the Full Potential of Digital Health Devices" has been published in JMIR Medical Informatics.

 

"Multicentric pilot study to standardize clinical whole exome sequencing (WES) for cancer patients" has been published in npj Precision Oncology.

 

Our paper "AMBAR-interactive alteration annotations for molecular tumor boards" has been published in Computer Methods and Programs in Biomedicine.

 

"A protocol for the use of cloud-based quantum computers for logical network analysis of biological systems" has been published in STAR Protocols.

 

Our paper "A systems biology approach to define mechanisms, phenotypes, and drivers in PanNETs with a personalized perspective" has been published in npj systems biology and applications.

 

"Supporting SURgery with GEriatric Co-Management and AI (SURGE-Ahead): A study protocol for the development of a digital geriatrician" has been published in PLoS One.

 

"Self-Assessment of Having COVID-19 With the Corona Check Mhealth App" has been published in IEEE Journal of Biomedical and Health Informatics.


Our first quantum computing paper "Leveraging quantum computing for dynamic analyses of logical networks in systems biology" has been published in Patterns.